随着 AI 技术的快速发展，从 ChatGPT 到 Deepseek 的爆发，AI已经可以切实起到辅助我们日常工作的作用。
除了在具体的像辅助编程、文案编写等方面，我们也可以充分利用 AI 的强大逻辑能力和海量基础数据，帮助我们针对工作中的一些困境，提出切实可行的改进方案。
但要想 AI 帮助我们给出有可操作性的解决方案，提示词的框架设计和提供给AI的上下文信息是极为关键的。一个良好的提示词框架，可以帮助我们快速得到极为有价值的参考。
面对的困境案例
这里以一个比较普遍的敏捷团队质量困境的案例来说明：
作为一个测试工程师，在一个运行Scrum框架的敏捷团队中负责质量保障，团队成员还包括SM、PO、2个Android开发（其中小李负责了App的整体系统设计），1个后端开发，1个非全职的视觉设计。团队产品是一个物联网智能手环产品的配套Android App。但因为存在和硬件团队的配合、需求经常变化、视觉设计不及时、提测不及时、Bug积压等问题，导致产品质量不乐观。目前App已经运行了多个迭代，按计划上线时间越来越近，如何针对当前的质量困境提出改进方案？
设计提示词框架
要 AI 帮助我们给出有可行性的改进方案，首先我们要合理地设计提示词框架，以便最终给出的方案更贴合团队现状以及具备可操作性。
那么设计的提示词框架要点：
- 给定的角色，让 AI 确定从什么角度去提出改进方案
- 当前的现状，也就是充分的背景信息上下文
- AI 应该具体分析的内容或它的任务应该是什么
- 希望 AI 提供的具体输出，包括格式要求，应包含的要素等
- 相关的一些制约因素，这对方案是否可行会有重要影响
现在针对上述困境，希望AI 能帮助我提供一份针对团队的整体质量提升方案，可以在回顾会上进行讨论。基于以上思路，通过向 Deepseek输入提示词框架，得到如下输出：
质量改进方案（面向迭代回顾会）
1. 总体质量目标
“在2个迭代内将自动化测试覆盖率提升至40%，缺陷修复响应时间缩短50%，回归测试时间压缩30%，建立需求变更与测试联动的质量防线”
2. 具体改进举措
| 举措 | 执行人 | 执行计划 | 效果评估方法 |
|---|---|---|---|
| 需求冻结机制 - 每个迭代前3天锁定核心功能需求 - 硬件对接需求由PO与硬件团队联合评审后形成接口文档 |
PO、硬件团队负责人 | 迭代计划会签署需求基线文档 硬件接口文档通过Confluence共享 |
需求变更次数减少50% 接口文档版本变更记录可追溯 |
| 自动化用例分级策略 - L0级（核心业务流）：强制全自动化 - L1级（高频使用场景）：优先自动化 - L2级（边缘场景）：手动验证 |
测试工程师 （主导） Android开发工程师 （辅助） |
使用Allure标记用例等级 每日构建优先执行L0用例 |
L0用例100%通过率作为提测准出条件 自动化执行时间减少40% |
| 开发自测责任制 - 开发提交代码需附带单元测试（覆盖率≥60%） - 接口测试由后端工程师在Swagger维护 |
Android开发工程师 后端工程师 |
单元测试纳入代码评审检查项 Postman接口用例与代码库联动 |
提测版本冒烟测试通过率提升至80% 接口缺陷率下降30% |
| 硬件兼容性Mock服务 - 基于硬件协议开发模拟器 - 自动化测试与真实设备解耦 |
测试工程师 （主导） 硬件团队提供协议文档 |
使用Python开发蓝牙协议模拟器 Jenkins构建时自动启动Mock服务 |
硬件依赖导致测试阻塞次数清零 自动化稳定性提升至95% |
| 缺陷分级管理 - P0级缺陷：2小时内响应 - P1级缺陷：当前迭代必须修复 - 遗留缺陷需PO签字确认风险 |
测试工程师 （分类） 开发工程师 （修复） |
Jira配置自动化缺陷流转规则 每日站会同步TOP3缺陷进展 |
缺陷平均修复周期缩短至8小时 积压缺陷数量下降60% |
3. 风险及应对
| 风险 | 应对方案 |
|---|---|
| 开发人员抵触单元测试 | - 由小李（系统设计师）示范编写单元测试 - 将测试覆盖率纳入DoD完成标准 |
| 硬件协议频繁变更 | - 要求硬件团队提前3天通知协议变更 - Mock服务设计版本兼容机制 |
| UE设计延迟影响UI测试 | - 与UE设计师约定：视觉稿交付同时提供UI元素ID规范 - 使用截图对比工具容差10%像素差异 |
4. 外部支持需求
| 类型 | 具体需求 |
|---|---|
| 工具 | - 申请BrowserStack移动云测试平台license - 采购Xray测试用例管理插件License |
| 人员 | - 硬件团队指定协议对接接口人 - DevOps工程师优化CI/CD流水线 |
| 培训 | - 邀请单元测试专家开展TDD工作坊 - Appium高级用法内部培训 |
5. 效果评估节点
| 节点 | 检验标准 |
|---|---|
| 迭代5中期 | - L0级自动化用例覆盖所有核心业务流程 - 单元测试覆盖率≥40% |
| 迭代5结束 | - 自动化覆盖率≥25% - 回归测试时间≤8小时/次 |
| 迭代6结束 | - 自动化覆盖率≥40% - 生产环境致命缺陷数为0 |
执行要点说明：
- 每日质量看板：在团队作战室悬挂自动化执行率/缺陷趋势图
- 质量门禁机制：代码合并请求必须通过L0用例+SonarQube检测
- 测试左移实践：测试工程师参与需求评审时即输出测试要点矩阵
该方案需团队全员签署质量承诺书，建议在迭代回顾会上通过"5Why分析法"就当前质量问题达成改进共识。
可以看到，得到了一份极有针对性且有相当可行性的改进方案。我们根据目前的团队现状，进行微调其实就可以纳入实施。
所以善用 AI 提示词框架，不仅可以帮助我们在具体事务上获取帮助，对于这种整体改进方面的举措，AI 也能提供巨大助力。
回复 “提示词框架” 可获取上文的提示词完整示例。关于 AI 在工作中的更多应用实践，也欢迎大家留言或入群探讨！
